L'article propose le routage agentic natif de Harness, un paradigme au niveau des étapes qui sélectionne les modèles en fonction de l'état complet du harnais d'exécution plutôt que d'optimiser les compromis coût-qualité sur un seul tour. Cette approche traite chaque décision de routage comme un enregistrement de données structuré pour former un volant de données natif de Harness, où les traces d'exécution entraînent des routeurs et des modèles meilleurs.
- Le système est instancié dans OpenSquilla à l'aide d'une pile de routage à quatre couches, d'un classeur LightGBM open source pour le démarrage à froid, et d'un chemin routeur-modèle par étapes.
- Il permet la sélection soit d'un seul modèle le mieux adapté pour une exécution rentable, soit de plusieurs modèles complémentaires pour une amélioration de la précision de type ensemble.
- Le rapport évalue le routage singleton et multi-modèles sur des benchmarks agentic incluant DRACO et PinchBench.
Les auteurs soutiennent que le routage agentic sert de moteur de données pour l'entraînement natif aux agents, améliorant les compromis coût-qualité en générant plus de traces sous le même budget.